پیش بینی اجاره بهای مسکن در مناطق ۲۲ گانه شهر تهران با استفاده از الگوریتم های یادگیری ماشین نظارت شده

در چشم انداز پویای املاک و مستغلات، پیش بینی دقیق اجاره مسکن برای مالکان و مستاجران اهمیتی حیاتی دارد. پژوهش حاضر، بر توسعه مدلی کارآمد برای پیش بینی اجاره مسکن در شهر تهران با بهره­گیری از الگوریتم­های پیشرفته یادگیری ماشین نظارت شده تمرکزداشته که در خلال آن، از یک مجموعه­­داده غنی در ارتباط با املاک اجاره ای در مناطق ۲۲گانه شهر تهران(شامل ۹۸۹۱ ملک اجاره ای، با ۱۷ ویژگی مرتبط با هر مشاهده)، استفاده­شد. ارزیابی الگوریتم­ها براساس معیارهای صحت و دقت نشان­داد که الگوریتم «ایکس­جی­بوست» به صحت و دقت قابل­توجه ۱/۹۸ درصدی دست­یافت؛ درحالی­که «درخت تصمیم» صحت ۳/۹۶ درصد و دقت ۱/۹۶ درصد را کسب کرد. عملکرد قوی این الگوریتم­ها، از توانایی آن ها در درک روابط پیچیده و غیرخطی درون داده ها و مقاومتشان در برابر بیش برازش نشات­می گیرد. یافته های این مطالعه، بینش های ارزشمندی را به متخصصان حوزه املاک، سرمایه گذاران و سیاست گذاران در تهران ارائه­می دهد تا تصمیمات کاملا آگاهانه ای اتخاذکنند و استراتژی های بازار اجاره مسکن را بهبود بخشند. مسیرهای بالقوه برای پژوهش های آینده، گنجاندن ویژگی های بیشتری مانند مشخصات محله و شاخص های اقتصادی را در بر می گیرد تا قابلیت های پیش بینی الگوریتم­ها را بیش­ازپیش ارتقا دهد. علاوه بر این، بررسی قابلیت تعمیم این الگوریتم­ها به سایر شهرها یا مناطق می تواند راه را برای کاربردهای گسترده تر و درک جامع تر از پویایی بازار اجاره هموارسازد.

کلیدواژه ها:

اجاره بهای مسکن ، یادگیری ماشین ، مدل سازی پیش بینانه ، تهران